r - 根据另一个矩阵改进矩阵操作的 for 循环的方法

Question

我知道改进 for 循环之前已经被问过很多次了。
我们可以应用族函数来改进 R 中的 for 循环。

但是，有没有办法改进矩阵的操作，其中这些操作依赖于另一个矩阵？我在这里的意思是，我在 test 中将元素设置为 2基于另一个矩阵 index :

for (i in 1:nrow(test)){
  test[i,index[i,]]  <- 2
}    # where index is predetermined matrix

另一个例子是，我在 test 中设置值基于另一个矩阵的行中元素的顺序 anyMatrix :

for (i in 1:nrow(test)){
   test[i,] <- order(anyMatrix[i,])
}

我可以在这里使用 lapply 或 sapply 但它们返回一个列表，并且将其转换回矩阵需要相同的时间。

可重现的例子:

test <- matrix(0, nrow = 10, ncol = 10)
set.seed(1234)
index <- matrix(sample.int(10, 10*10, TRUE), 10, 10)
anyMatrix <- matrix(rnorm(10*10), nrow = 10, ncol = 10)

for (i in 1:nrow(test)){
  test[i,index[i,]]  <- 2
}

for (i in 1:nrow(test)){
   test[i,] <- order(anyMatrix[i,])
}

Answer 1

您在这里似乎真的有两个不同的问题。

问题 1 : 给定一个矩阵 index , 每行 i和专栏j您要设置test[i,j]到 2 如果 j出现在 i 行的 index .这可以通过简单的矩阵索引来完成，传递一个 2 列的索引矩阵，其中第一列是要索引的所有元素的行，第二列是要索引的所有元素的列:

test[cbind(as.vector(row(index)), as.vector(index))] <- 2
test
#       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#  [1,]    2    2    0    2    2    2    2    0    2     2
#  [2,]    2    0    2    2    2    2    2    0    2     2
#  [3,]    2    2    2    2    0    0    2    2    0     0
#  [4,]    2    2    0    0    0    2    2    2    0     2
#  [5,]    2    2    2    2    0    0    0    0    2     0
#  [6,]    0    0    0    0    0    2    2    2    2     0
#  [7,]    2    0    2    2    2    2    2    0    0     0
#  [8,]    2    0    2    2    2    2    0    2    0     2
#  [9,]    2    2    2    2    0    0    2    0    2     2
# [10,]    2    0    2    0    0    2    2    2    2     0

由于这在单个向量化操作中完成所有操作，因此它应该比循环遍历行并单独处理它们更快。这是一个包含 100 万行和 10 列的示例:

OP <- function(test, index) {
  for (i in 1:nrow(test)){
    test[i,index[i,]]  <- 2
  }
  test
}
josliber <- function(test, index) {
  test[cbind(as.vector(row(index)), as.vector(index))] <- 2
  test
}
test.big <- matrix(0, nrow = 1000000, ncol = 10)
set.seed(1234)
index.big <- matrix(sample.int(10, 1000000*10, TRUE), 1000000, 10)
identical(OP(test.big, index.big), josliber(test.big, index.big))
# [1] TRUE
system.time(OP(test.big, index.big))
#    user  system elapsed 
#   1.564   0.014   1.591 
system.time(josliber(test.big, index.big))
#    user  system elapsed 
#   0.408   0.034   0.444 

在这里，矢量化方法快了 3.5 倍。

问题2 : 您要设置行 i的 test至 order应用于 anyMatrix的对应行.你可以用 apply 来做到这一点:

(test <- t(apply(anyMatrix, 1, order)))
#       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#  [1,]    1   10    7    8    4    5    3    6    2     9
#  [2,]    8    7    1    6    3    4    9    5   10     2
#  [3,]    4    9    7    1    3    2    6   10    5     8
#  [4,]    1    2    6    4   10    3    9    8    7     5
#  [5,]    9    6    5    1    2    7   10    4    8     3
#  [6,]    9    3    8    6    5   10    1    4    7     2
#  [7,]    3    7    2    5    6    8    9    4    1    10
#  [8,]    9    8    1    3    4    6    7   10    5     2
#  [9,]    8    4    3    6   10    7    9    5    2     1
# [10,]    4    1    9    3    6    7    8    2   10     5

我不希望这里的运行时有太大变化，因为 apply实际上只是循环遍历行，类似于您在解决方案中的循环方式。尽管如此，我还是更喜欢这个解决方案，因为它可以减少打字次数，而且做事方式更“R”。

请注意，这两个应用程序使用了完全不同的代码，这在 R 数据操作中非常典型——有很多不同的专用运算符，您需要选择适合您任务的运算符。我不认为有一个单一的函数，甚至真的是一小组函数能够处理所有矩阵操作，其中该操作基于另一个矩阵的数据。